Die Arbeit beschäftigt sich mit der Realisierung einer dynamischen Modellierung der beiden Emissionsgrößen Stickoxide und Russ, einem virtuellen Sensor. In einem ersten Teil wird der Stand der Technik für die Abgasformierung in der dieselmotorischen Verbrennung erläutert, sowie deren Beeinflussung durch die am Motor vorhandenen Stellgrößen. Anschließend werden die Grundlagen für die verwendeten Identifikationsmethoden zusammengefasst. Neben den klassischen linearen Verfahren wie ARX, FIR usw. und der Methode der neuronalen Netze wird der Ansatz der genetischen Programmierung präsentiert. Die Analysen erfolgten am Motorenprüfstand des Instituts an einem BMW-Dieselmotor M47D. Der Prüfstand von AVL erlaubt einen dynamischen Betrieb des Motors im gesamten Betriebsbereich. Ein späteres Ziel ist die prädiktive Regelung des Motors. Dabei kann z.B. unter Einhaltung der Emissionsgrenzwerte der Verbrauch für den Zyklus minimiert werden. Die vorliegende Arbeit des virtuellen Sensors der Emissionen liefert eine Basis für diesen Optimierungsvorgang. Es wird ein weitgehend neuer Ansatz für die Modellierung der Emissionen im transienten Betrieb mittels genetischer Programmierung vorgestellt. Mittels statistischer Methoden wird vorerst ein stationäres Modell erstellt. Dieses Modell dient dann zusätzlich zu vorhandenem Expertenwissen als Grundlage für die dynamische Modellbildung mit genetischer Programmierung. Die Methode der genetischen Programmierung wird in weiterer Folge mit ARMAX und mit künstlichen neuronalen Netzen verglichen. Bei diesen Methoden kann im Vorhinein jeweils nur die Struktur festgelegt werden (Eingangsgrößen, Ordnung…); Physikalisches Vorwissen kann kaum eingebracht werden. Anschließend werden die Parameter optimiert. Anhand der Validierung an einem Normzyklus werden die Vorzüge der genetischen Programmierung aufgezeigt. Obwohl nur ECU-Messgrößen als Eingänge dienen, ist die Prädiktion beachtlich.